- 自动扫描探针显微镜(SPM)由人工智能控制
- 首先展示完全自治,长期SPM操作
图像通过原子力显微镜(AFM):一个分子,类似于叶绿素。
Australian-German合作展现了全自动SPM操作,应用人工智能和深度学习来消除常数人力监督的必要性。
新系统,称为DeepSPM,桥梁之间的差距纳米科学、自动化和人工智能(AI)和坚定地建立了使用机器学习实验科学研究。
优化SPM数据采集是非常乏味。这个优化过程通常是由人类实验者,和很少报道舰队首席研究员奥古斯汀•Schiffrin博士(莫纳什大学)。
“我们新的AI-driven系统可以自主经营并获得最优SPM数据,连续多天,,没有任何人类的监督。”
推进带来先进的SPM方法能够把原子精度的纳米加工和高通量数据采集等接近一个完全自动化的“交钥匙”应用程序。
新的深度学习方法可以普遍其他SPM技术。研究人员使整个在线公开可用的开源框架,创建社区纳米科学研究的一个重要资源。
全自动DeepSPM
扫描探针显微镜(SPM)彻底改变了材料科学和纳米科学,允许映射的表面性质与原子操纵和表面精度。类型的SPM包括扫描隧道显微镜(STM)和原子力显微镜(AFM)。
“DeepSPM的成功的关键是学习代理的使用,正确的控制输入是事先不知道,”哥尼流Krull博士说,项目负责人。
“从经验中学习,我们的代理适应改变实验条件,发现一种战略,以保持系统的稳定,“Krull博士说,他是Schiffrin博士在蒙纳士学院的物理学和天文学。
AI-driven系统始于一个算法搜索最好的样本与自治地区和收益数据采集。
然后使用一个卷积神经网络评估数据的质量。如果数据的质量不好,DeepSPM使用深强化学习剂来提高的状况调查。
奥古斯汀•Schiffrin博士和他的团队在学校的物理学和天文学(莫纳什大学)
DeepSPM可以运行了好几天,不断获取和处理数据,而管理SPM参数在不同的实验条件,没有任何监督。
研究表明完全自治,长期SPM首次操作相结合
- 样地选择和SPM的算法数据采集;
- 监督机器学习使用卷积神经网络质量评估和SPM分类数据,和
- 深入强化学习动态自动原位探针管理和调节。
这项研究
Artificial-intelligence-driven扫描探针显微镜发表在通信物理2020年3月。
莫纳什大学物理学和天文学的研究人员密切合作与合作者马克斯普朗克研究所的分子细胞生物学和遗传学(德累斯顿),马克斯·德尔布吕克分子医学中心(柏林)和海德堡大学。
所有的实验都在莫纳什,部分资助的澳大利亚研究理事会。计算时执行信息服务和高性能计算中心(欧洲研究理事会资助)。
图像获得的扫描隧道显微镜(STM):个人银原子在晶体金属表面
spm和舰队
舰队SPM Schiffrin博士的小组调查的量子属性-结构和电子的新纳米材料潜在的使用在未来的低能电子技术。
舰队是一个澳大利亚的研究就研究中心汇集超过一百澳大利亚和国际专家来开发新一代的超低能量电子产品。
更多的信息
- 奥古斯汀•Schiffrin博士联系agustin.schiffrin@monash.edu
- 访问FLEET.org.au
- 看未来的解决方案计算能源使用
- 连接@FLEETCentre
